Evaluation des enseignements à l’ère de l’Intelligence Artificielle Générative

Résumé

L’évaluation a toujours occupé une place centrale dans les dispositifs d’apprentissage. Elle est désormais intégrée au processus d’enseignement-apprentissage-évaluation, démontrant qu’enseigner efficacement sans évaluation est presque impossible (Gérard, 2013). Selon Tardif (1993), citant Gardner (1992), l’évaluation consiste à collecter des informations sur les connaissances et compétences d’une personne, à lui fournir un retour significatif et à partager ces données avec la communauté.

L’essor de l’Intelligence Artificielle Générative (IAG) transforme les pratiques d’évaluation. Elle permet la génération massive de questions (QCM, QCU, textes à trous, etc.) et l’automatisation des feedbacks, répondant ainsi aux défis de la massification dans l’enseignement supérieur (Kamoun et al., 2025). Cependant, son utilisation dans l’évaluation académique suscite des préoccupations (Walbert & Polcheira, 2024). Une étude menée en Côte d’Ivoire (Coulibaly et Fofana, 2025) révèle que si les enseignants utilisent l’IAG pour concevoir des évaluations, les étudiants y ont également recours pour traiter ces évaluations. Cela soulève une question : les productions académiques des étudiants utilisant l’IAG suggèrent-elles réellement leurs acquis ?

Face à ces enjeux, certains enseignants voient l’IAG comme un assistant pédagogique, tandis que d’autres la perçoivent comme un substitut risqué (Walbert & Polcheira, 2024). Cette recherche explore les pratiques visant à encadrer l’usage de l’IAG dans l’évaluation afin de garantir que les résultats traduisent fidèlement le niveau de maîtrise des connaissances et compétences enseignées.

S’appuyant sur la théorie de l’évaluation formative de Black et Wiliam (2009), cette étude repose sur des entretiens semi-dirigés auprès d’enseignants d’universités ivoiriennes et une analyse qualitative. Les résultats montrent une priorisation des évaluations par projet ou exposé, ancrées dans un contexte local, au détriment des simples questions fermées ou ouvertes. Il apparaît également essentiel que les enseignants soient formés à l’usage de l’IAG pour concevoir des évaluations adaptées, rejoignant ainsi la position de Kamoun et al. (2025).

Mots clés : Intelligence Artificielle Générative ; Evaluation des apprentissages ; Technologies de l’Information et de la Communication ;